1
s.d
18
differential intercept coefficient, seberapa besar intersep subsektor
industri TPT berdasarkan kode ISIC 5 digit
PCM tingkat keuntungan
CR4 rasio konsentrasi 4 perusahaan terbesar
MES skala eIisiensi minimum
CLR rasio modal terhadap tenaga kerja
D variable dummy
U nilai residual (Iaktor pengganggu) yang berada di luar model
i jumlah subsector pada industri TPT
t tahun 1995-2003
M*O*E JN:&"98=9:&P1,9:2
M*O*E*) JN:&"8-@2@.01,9:
Uji autokorelasi bertujuan untuk menguji apakah dalam sebuah model regresi linier
ada korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada periode t-1.
Autokorelasi muncul karena observasi yang berurutan sepanjang waktu berkaitan satu sama
lain. Masalah ini timbul karena resisual (kesalahan pengganggu) tidak bebas dari satu
observasi lainnya. Bila asumsi ini tidak dipenuhi maka dalam hal ini uji t dan uji F tidak lagi
menjadi valid dan kurang kuat karena selang keyakinan akan semakin lebar. Autokorelasi
mengakibatkan koeIisien regresi yang dihasilkan tidak eIisien sehingga menjadi tidak dapat
dilakukan.
Pada penelitian ini digunakan uji Breusch and Godfrev Serial Correlation LM-Test
untuk mendeteksi ada atau tidaknya gejala autokorelasi. Apabila nilai Probabilitas Obs*R-
squared lebih besar dari tariI nyata tertentu (yang digunakan), maka persamaan ini
dinyatakan tidak mengalami autokorelasi. Apabila nilai Obs*R-squared yang diperoleh lebih
kecil dari pada taraI nyata tertentu maka persamaan tersebut mengandung autokorelasi.
3.4.2.2 Uji Heteroskedastisitas
Salah satu asumsi pokok dalam model regresi linear klasik adalah bahwa varian
setiap disturbance term yang dibatasi oleh nilai tertentu mengenai variabel-variabel bebas
adalah berbentuk suatu nilai konstan yang sama dengan o2. Inilah yang disebut asumsi
heteroskedasticitv atau varian yang sama.
Dalam heteroskedastisitas menunjukkan disturbance yang dapat ditunjukkan dengan
adanya conditional variance Yi bertambah pada waktu X bertambah. Dapat dikatakan bahwa
heteroskedastisitas menyebabkan penaksiran koeIisien-koeIisien regresi menjadi tidak
eIisien. Hasil taksiran dapat menjadi kurang dari semestinya, melebihi dari semestinya dan
menyesatkan.
Salah satu cara untuk mendeteksi ada atau tidaknya gejala heteroskedastisitas maka
dapat dilakukan dengan menggunakan Harvev Godvrev Test. Pengujian ini dilakukan dengan
cara melihat probabilitas Obs*R-squared. Apabila nilai probabilitas Obs*R-squared lebih
besar dari taraI nyata tertentu maka persamaan tersebut tidak mengandung gejala
heteroskedastisitas, begitu juga sebaliknya.
3.4.2.3 Uji Multikolinearitas
Multikolinearitas adalah situasi adanya korelasi variabel-variabel independen
diantara satu dengan lainnya. Uji multikolinearitas bertujuan untuk menguji apakah dalam
model regrasi ditemukan adanya korelasi antara vaiabel bebas (independen). Model regresi
yang baik seharusnya tidak terjadi korelasi diantara variabel bebas.
B
1
Y
1
X
1
+ B
2
Y
2
X
2
+ ? + B
k
Y
k
X
k
B Yi
R
2
=
Dalam penelitian ini, uji multikolinearitas dilakukan dengan menggunakan kaidah '
Auxiliarv regression, yaitu dengan meregres masing-masing variabel independen dengan
variabel independen yang lain. Jika hasilnya menunjukkan adanya nilai t-statistik yang
signiIikan dan memiliki R
2
yang lebih rendah dari R
2
model dasar, maka dapat disimpulkan
tidak terjadi multikolineritas antar variabel independen.
M*O*M 60348N:,3&(-,-:9-:2
M*O*M*) 60348N:,3&!""#$%&'()'*+,&H%
E
L
Nilai R
2
disebut juga koeIisien determinasi. KoeIisien determinasi bertujuan untuk
mengetahui seberapa jauh kemampuan model regresi dalam menerangkan variasi variabel
dependen (goodness of fit test). Nilai koeIisien determinasi diperoleh dengan menggunakan
Iormula :
Nilai koeIisien determinasi berada diantar nol dan satu ( 0 R
2
1). Nilai R
2
yang
kecil atau mendekati nol berarti kemampuan variabel independen dalam menjelaskan variabel
dependen sangat terbatas. Sebaliknya nilai R
2
yang mendekati satu berarti variabel
independen memberikan semua inIormasi yang dibutuhkan untuk memprediksi variabel
dependen
M*O*M*E 60348N:,3&P@0<:9:03&%04.09:&(0U,.,&(0.03-,2&HJN:&#&L
Untuk mengetahui apakah semua variabel penjelas yang di gunakan dalam model
regresi secara serentak atau bersama-sama berpengaruh terhadap variabel yang dijelaskan,
<
N
'Q'D2'S'RE
)'O
DR7<
N
E'T'DK72E Bi SE (Bi)
t =
digunakan uji F statistik, hipotesis yang digunakan adalah :
Ho : u
1
, u
2,
u
3
0 semua variabel independen tidak mempengaruhi
variabel dependen secara bersama-sama
H1 : u
1
, u
2,
u
3
0 semua variabel independen mempengaruhi variabel
dependen secara bersama-sama
Nilai F hitung dicari dengan rumus :
dimana, R
2
KoeIisien determinasi
N Jumlah observasi
k Jumlah variabel
Pada tingkat signiIikan 5 persen dengan kriteria pengujian yang digunakan sebagai
berikut :
1. H
0
diterima dan H
1
ditolak apabila F hitung F tabel, atau jika probabilitas F-hitung
tingkat 0,05 maka H
0
ditolak, artinya variabel penjelas secara serentak atau
bersama-sama tidak mempengaruhi variabel yang dijelaskan secara signiIikan.
2. H
0
ditolak dan H
1
diterima apabila F hitung ~ F tabel, atau jika probabilitas F-hitung
~ tingkat 0,05 maka H
0
ditolak, artinya variabel penjelas secara serentak atau
bersama-sama mempengaruhi variabel yang dijelaskan secara signiIikan.
M*O*M*M 60348N:,3&P@0<:9:03&%04.09:&(0U,.,&'37:V:78,1&HJN:&-L
Untuk menghitung nilai t hitung digunakan rumus :
Pengujian ini dilakukan untuk melihat adanya pengaruh dari masing-masing variabel
penjelas terhadap variabel yang dijelaskan. Mula-mula ditentukan hipotesis nol atau null
hvpotesis (Ho) yang menyatakan bahwa masing-masing variabel penjelas berpengaruh
terhadap variabel yang dijelaskan secara individu.
Hipotesis yang diuji pada uji t-stat adalah sebagai berikut :
. ,1^ 1/
T
.
. u
.
- . c.e/ e t.o. c- -..- /-.-c-.. ;,1^/ e- ~-,.
/-.c. ;1//.
T
. u
.
. e ,--.t ,-..c.j c- c- -..- /-.-c-.. ;,1^/
e- ~-,. /-.c. ;1//.
o. 1, J1,
T
.
. u
. u